由于需要比以前更快地提供业务和客户价值，许多企业正在将敏捷软件开发实践提升到新的水平，并采用DevOps方法和微服务。这些举措成功的关键是可以支持这些工作方式，同时仍然保持高效率和利用率。
这就是数据中心作为数据的中央存储库变得至关重要的地方。他们不仅需要管理越来越多的数据、更复杂的机器和基础设施，还需要更快地生成有关数据的改进信息。
在本文中，自动化和基础设施服务提供商现代数据中心架构师Matthew Beale对机器人过程自动化(RPA)和机器学习如何为自动化数据中心铺平道路进行了解析。
为什么需要自动化数据中心?
随着企业运营方式的转变，产生的数据都必须得到适当的处理和使用，以优化其价值。如果没有经济高效的存储和日益强大的硬件，数字化转型以及与之相关的新业务模式将无法实现。
专家一直预测，全球工厂中应用的自动化技术将在未来应用于数据中心。事实上，随着机器人过程自动化(RPA)和机器学习在数据中心环境中的应用，人们正在快速推进这种可能性。
传统的数据中心
目前，企业在处理数据中心的升级、补丁、修复和监控方面花费了太多的时间和精力。虽然有些可能运行得很好，但大多数都面临三个关键问题：
•缺乏一致的支持，例如，人们在更新补丁或维护导致合规性问题的网络时会出错。
•缺乏对业务的可见性，例如，多个IT人员负责管理多个应用程序或网络的不同部分，而几乎不需要协调业务需求。
•在增加容量或迁移数据或更新应用程序时缺乏速度。
到目前为止，人为错误是导致网络停机的最重要原因。接下来是硬件故障。对设备如何工作几乎没有监督，只有在停机时间已经发生时才能采取行动。成本影响要高得多，因为其重点是从管理问题原因的其他事项中解脱出来，并结合实际网络停机时间的影响。必须加强稳定性、成本和时间管理，以提供更高效的数据中心。数据中心的自动化有助于实现这一目标。
数据中心自动化之旅
数据中心实现完全自动化就像是从驾驶汽车转向完全自主的无人驾驶汽车。目前，人类管理、监控和操作数据中心，这需要人工采用工具和阈值处理。这将非常耗费人力，并且通常需要调整基础设施来处理意外问题。
通往完全自动化的数据中心的旅程根据组织的类型和个体的复杂性而不同。然而，在未来两年内，可以看到许多企业(特别是在快速发展的行业)，已经存在或正在建立一个完全自主的数据中心。
数据中心可以实现不同级别的自动化，以使其从当前的人工系统中移动：
辅助行动：旅程的第一步为管理员提供信息，使其能够以用户友好和可消费的方式采取行动，例如集中登录。如果出现故障，它还可以通过检索备份来确保高可用性。该过程实质上取代了管理员点击“执行”按钮。
部分自动化：此步骤将转移到一个系统，该系统为管理员提供建议，以便根据使用趋势接受操作。使用动态资源调度(DRS)，系统会查看性能趋势，以及哪些区域变得特别繁忙，以便它可以分配资源以确保均衡，从而获得更好的性能。这对于计费或人力资源薪酬系统尤其有效，这些系统往往在月底达到峰值。
条件自动化：这导致系统使用现代技术，该系统将自动采取补救措施，并根据智能警报提高故障单。例如，系统查看安全信息和事件管理，以整理来自许多不同数据点的大量信息，例如用户登录和正在访问的数据。机器学习算法将获取此信息并将其与历史使用数据进行比较以识别趋势。根据这些指标，如果它认为某个帐户已被泄露，则会采取相应措施。
完全自主：利用人工智能(AI)和机器学习(ML)，自主数据中心确定适当的步骤，并在需要时自我学习和调整阈值，以实现高效存储，从而节省成本。它可以根据当前和未来的使用模式对方案进行建模，并根据特定项目所需的存储量进行更改。
完全自动化数据中心的好处
自动化的一个主要好处是引入了自我修复数据中心。机器人和机器学习重组并优化传统流程，这意味着工作人员不再需要在半夜对服务器执行补丁。机器可以在问题发生之前识别和标记问题，从而消除停机时间。自动化最大限度地减少了人工维护数据中心所需的时间。
另一个好处是有效的资源规划和容量管理。随着应用程序在整个业务中的生命周期的变化，需要相应地重新部署资源。由于能见度有限，如果不可能的话，人类在不使用机器和机器人的情况下有效地分配资源是极其困难的。自动化可以在应用程序生命末期相应地增加或减少资源，从而使其他地方的资源最大化。持续的容量管理还评估多个云平台上的资源，以优化利用率。
人工智能驱动的操作从自动化开始
在接下来的两年中，人们将开始看到支持传统和下一代工作负载的数据中心，这些工作负载可以在任何时候以自我修复的最佳方式实现自动化。这意味着，当涉及到迁移、维护、升级、容量更改、审计、备份、监控时，数据中心在不需要或几乎不需要援助或人工干预的情况下自行采取大部分行动。
无论数据中心内的流程是什么，自动化机器人都能确保其一致性和准确性，这意味着每项任务都将更加高效。Ultima公司计算出自动化技术与人类的生产力比率为6:1，使团队能够仅在特殊情况下进行干预，做出决策。这意味着操作工作需求的类型，从确保发生了什么事情和解决问题，到查询业务和花费时间开发应用程序和平台，都会发生变化。
与自动驾驶汽车类似，开发自动化数据中心的潜力永无止境，需要不断改进工作方式。
